LBA-ECO ND-04 次生林恢复、结构和叶面积指数，巴西亚马逊中部
【摘要】 LBA-ECO ND-04 Secondary Forest Recovery, Structure, and LAI, Central Amazonia, Brazil简介本数据集报告了由废弃牧场再生而成的次生林的林冠和结构测量数据。这些次生林位于巴西亚马逊州，沿 BR-174 公路，在马瑙斯市以北，分布于三个农场（fazenda，即牧场）内。这三个农场目前处于不同的放牧、牧场弃耕或牧场...
LBA-ECO ND-04 Secondary Forest Recovery, Structure, and LAI, Central Amazonia, Brazil
简介
本数据集报告了由废弃牧场再生而成的次生林的林冠和结构测量数据。这些次生林位于巴西亚马逊州，沿 BR-174 公路，在马瑙斯市以北，分布于三个农场（fazenda，即牧场）内。这三个农场目前处于不同的放牧、牧场弃耕或牧场复垦阶段：罗道农场（Fazenda Rodao，位于 46 公里处）、巴西农业研究公司-SUFRAMA 区（DAS）牧场研究点（位于 53 公里处）和迪莫纳农场（Fazenda Dimona，位于 72 公里处）。在上述三个农场中，选取了十个次生林研究样地，这些样地的森林在弃耕后恢复的时间从 0 年到 14 年不等。
2000-2001 年间，叶面积指数（LAI）和冠层覆盖度的估算值来源于半球冠层数码照片，而地上生物量和基面积的估算值则利用胸径（DBH）测量值，并结合异速生长方程计算得出。估算值按生长型和直径等级进行分类。更多信息请参见 Feldpausch 等人（2005）的研究。该数据集包含四个以逗号分隔的数据文件，以及一个包含胸径（DBH > 5 cm）与干重之间异速生长方程信息的配套文件，用于生物量计算。
摘要
代码
!pip install leafmap
!pip install pandas
!pip install folium
!pip install matplotlib
!pip install mapclassify
import pandas as pd
import leafmap
url = "https://github.com/opengeos/NASA-Earth-Data/raw/main/nasa_earth_data.tsv"
df = pd.read_csv(url, sep="\t")
df
leafmap.nasa_data_login()
results, gdf = leafmap.nasa_data_search(
short_name="ND04_Secondary_Forest_Recovery_1068",
cloud_hosted=True,
bounding_box=(-60.03, -2.57, -59.0, -2.0),
temporal=("2000-09-12", "2001-09-01"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)
gdf.explore()
#leafmap.nasa_data_download(results[:5], out_dir="data")
【声明】本内容来自华为云开发者社区博主，不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息，否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论（0）